曹亞昆， 朱陳平， 王艷軍

(南京航空航天大學(xué) a.理學(xué)院; b.民航學(xué)院，南京 211106)

中國(guó)的航班延誤[1-5]問(wèn)題十分嚴(yán)重，這不僅給航空公司造成了巨大的經(jīng)濟(jì)損失，而且對(duì)旅客的出行造成極大的不便.航班延誤問(wèn)題極為復(fù)雜，因?yàn)楹桨嘣谶\(yùn)行過(guò)程中受多種因素影響，如天氣因素、飛機(jī)故障、航空管制和機(jī)場(chǎng)排隊(duì)起飛等[6-7]，而這些因素又難以預(yù)測(cè)，這對(duì)合理設(shè)置航班計(jì)劃時(shí)刻表帶來(lái)很大困難.同時(shí)航空公司在編制航班計(jì)劃時(shí)，希望提高飛機(jī)的利用率，降低運(yùn)行成本，追求利益的最大化，會(huì)將航班計(jì)劃安排的過(guò)于緊湊[8].所以，一旦上游航班延誤時(shí)間較長(zhǎng)，這種延誤便難以被吸收，從而造成下游多個(gè)航班的延誤.因此，提高航班計(jì)劃的抗干擾能力，降低航班延誤率，改善旅客出行狀況是航空運(yùn)輸業(yè)急須解決的問(wèn)題.

本文首先對(duì)東航航班運(yùn)行記錄大數(shù)據(jù)[9-12]進(jìn)行了收集，我們從網(wǎng)站上下載了東航2012年8月1號(hào)到2013年7月31號(hào)共539 316條航班運(yùn)行記錄，每一條記錄包含信息有：航班日期、飛機(jī)型號(hào)、飛機(jī)尾號(hào)、起飛機(jī)場(chǎng)代碼、到達(dá)機(jī)場(chǎng)代碼、計(jì)劃起飛時(shí)刻、計(jì)劃到達(dá)時(shí)刻、實(shí)際起飛時(shí)刻和實(shí)際到達(dá)時(shí)刻.我們計(jì)算出各個(gè)航班的起飛延誤量，統(tǒng)計(jì)了東航航班的總延誤率和在各個(gè)機(jī)場(chǎng)的延誤率，并作了延誤量分布的柱狀圖.其次，具體分析了航班延誤的各個(gè)因素，針對(duì)由飛機(jī)遲來(lái)造成的波及延誤[13-17]，我們將由高延誤率機(jī)場(chǎng)起飛的飛機(jī)，增加它與下一個(gè)航班之間的過(guò)站時(shí)間，將前一個(gè)航班的延誤影響吸收，從而有效降低整體航班的延誤率.最后，我們運(yùn)用實(shí)際數(shù)據(jù)驗(yàn)證了本文方法的有效性.

1 東航航班延誤狀況

圖1 東航航班起飛延誤量分布柱狀圖 (每個(gè)區(qū)間大小為15 min)

中國(guó)東方航空股份有限公司(東航)，ICAO代碼CES，主要從事國(guó)內(nèi)和國(guó)際航空的客、貨、郵、行李運(yùn)輸、通用航空等業(yè)務(wù)，共擁有300多架客機(jī)，其主要的機(jī)型包括了空中客車(chē)A320、A330、A340、波音737和ERJ-145等.本文統(tǒng)計(jì)了東航自2012年8月1號(hào)到2013年7月31號(hào)共539 316條航班運(yùn)行記錄，統(tǒng)計(jì)結(jié)果表明東航2012—2013年的航班起飛延誤率達(dá)到了14.4%，在各個(gè)延誤時(shí)間段內(nèi)的延誤航班數(shù)如圖1所示.

我們的統(tǒng)計(jì)結(jié)果表明自2012年8月1號(hào)到2013年7月31號(hào)，東航有起飛記錄的的機(jī)場(chǎng)共有183個(gè)，我們將這些機(jī)場(chǎng)按照延誤率從高到低排列并取總航班數(shù)達(dá)到1 000的機(jī)場(chǎng),如表1所示.

表1 延誤率高且起飛航班數(shù)多的30個(gè)機(jī)場(chǎng)信息

2 降低航班延誤率的具體措施

2.1 航班延誤因素分析

對(duì)航班延誤原因的研究已有很多，美國(guó)交通統(tǒng)計(jì)局(BTS)將造成航班延誤的因素分為五大類(lèi)：(1)Air carrier(航空承運(yùn)人)：取消或延遲的原因是由于航空公司控制的情況(例如維修或機(jī)組人員問(wèn)題，飛機(jī)清潔，行李裝載，加油等).(2)extreme weather(極端天氣)：根據(jù)航空承運(yùn)人的判斷，推遲或阻止航班運(yùn)行的重大惡劣的天氣狀況(如龍卷風(fēng)，暴風(fēng)雪或颶風(fēng)).(3)national aviation system(國(guó)家空域系統(tǒng)NAS)：由于國(guó)家航空系統(tǒng)的延遲和取消航班，涉及較多因素如非極端天氣條件，機(jī)場(chǎng)運(yùn)行，交通量大和空中交通管制.(4)security(安全因素)：機(jī)場(chǎng)人群的疏散，安全漏洞導(dǎo)致的重登機(jī)和安檢設(shè)備的故障造成的航班延誤和取消.(5)late arriving aircraft(飛機(jī)遲來(lái))：同一飛機(jī)的前一航班延誤，不能按時(shí)到達(dá)目的機(jī)場(chǎng)，導(dǎo)致當(dāng)前航班的延誤[18].通過(guò)對(duì)以上五種因素的簡(jiǎn)單分析，發(fā)現(xiàn)可以通過(guò)優(yōu)化航班計(jì)劃時(shí)刻表的方法，即調(diào)整過(guò)站時(shí)間，來(lái)抑制第五因素(飛機(jī)遲來(lái))造成的航班延誤，從而降低航空公司整體的延誤率.

通常，過(guò)站時(shí)間包括最小過(guò)站時(shí)間和過(guò)站松弛時(shí)間[19-20].最小過(guò)站時(shí)間包括飛機(jī)清潔，加油，上下客等.航空公司在制定航班計(jì)劃時(shí)往往會(huì)給地面過(guò)站時(shí)間設(shè)置一個(gè)冗余時(shí)間，即過(guò)站松弛時(shí)間.其作用是當(dāng)發(fā)生延誤時(shí)，過(guò)站松弛時(shí)間可以吸收航班網(wǎng)絡(luò)中的延誤，緩解由于計(jì)劃過(guò)站時(shí)間不足帶來(lái)的影響.

2.2 具體措施

為了研究調(diào)整航班計(jì)劃時(shí)刻表的可行性，我們查閱了相關(guān)資料，發(fā)現(xiàn)航班的過(guò)站時(shí)間一般不小于35 min[21]，即在這段時(shí)間內(nèi)完成飛機(jī)檢修、加油、上下乘客等，因此我們?cè)谡{(diào)節(jié)航班計(jì)劃時(shí)刻表時(shí)，在相鄰兩個(gè)航班間預(yù)留了40 min的過(guò)站時(shí)間.另一方面，我們統(tǒng)計(jì)了東航各飛機(jī)的實(shí)際平均過(guò)站時(shí)間為90.5 min(一般情況下，由于考慮安全等因素夜間航班少，前后兩個(gè)航班時(shí)間間隔大，因此隔天的航班過(guò)站時(shí)間不計(jì)入平均值的統(tǒng)計(jì)中).而不同飛機(jī)最小過(guò)站時(shí)間一般為35 min分鐘，遠(yuǎn)小于東航各飛機(jī)的實(shí)際平均過(guò)站時(shí)間，這為調(diào)整航班計(jì)劃來(lái)降低延誤率的措施提供了有利條件.

同時(shí)在調(diào)整航班計(jì)劃時(shí)刻表時(shí)，應(yīng)該盡量減小對(duì)其它航班的影響，并且應(yīng)該保持每天的計(jì)劃航班次數(shù)不變.我們選擇前文統(tǒng)計(jì)出的航班延誤率高、航班數(shù)多的30個(gè)機(jī)場(chǎng)，若該飛機(jī)上一個(gè)航班由這30個(gè)機(jī)場(chǎng)起飛，則將當(dāng)前航班的計(jì)劃起飛時(shí)刻往后推遲T(T=t3′-t3)(單位：min).推遲時(shí)間T為當(dāng)前航班與下一個(gè)航班間的松弛時(shí)間，即計(jì)劃過(guò)站時(shí)間減去最小過(guò)站時(shí)間(圖2).

圖2 調(diào)整航班計(jì)劃示意圖

機(jī)場(chǎng)1為延誤率較高的30個(gè)機(jī)場(chǎng)之一，航班①發(fā)生延誤，在t2′時(shí)刻到達(dá)機(jī)場(chǎng)2，若原計(jì)劃航班②在t3時(shí)刻起飛，那么航班②由于飛機(jī)遲來(lái)必然發(fā)生延誤.現(xiàn)在將航班②計(jì)劃起飛時(shí)刻由t3推遲為t3′，若這時(shí)ts大于最小過(guò)站時(shí)間40 min，那么航班②便不會(huì)因飛機(jī)遲來(lái)而造成起飛延誤.其中：

ti：航班計(jì)劃起飛、到達(dá)時(shí)刻;ti′：航班實(shí)際起飛、到達(dá)時(shí)刻;tji：航班計(jì)劃過(guò)站時(shí)間;tsi;航班過(guò)站松弛時(shí)間;tmin：航班最小過(guò)站時(shí)間;ts：航班實(shí)際過(guò)站時(shí)間.

2.3 程序?qū)崿F(xiàn)過(guò)程

用程序?qū)?shù)據(jù)進(jìn)行處理，處理過(guò)程如圖3所示.

3 結(jié)果與分析

通過(guò)以上方法將計(jì)劃起飛時(shí)刻推遲能有效減少飛機(jī)遲來(lái)因素造成的航班延誤.統(tǒng)計(jì)結(jié)果顯示，東航延誤航班數(shù)由77 503次降低為68 825次，延誤航班數(shù)降低了11.2%.利用本文的方法修改航班計(jì)劃時(shí)刻表，使得東航航班一年總的延誤率由14.4%降低為12.7%，航班延誤問(wèn)題得以改善，同時(shí)對(duì)當(dāng)前的航班計(jì)劃時(shí)刻表改動(dòng)小，大大降低了因改變航班計(jì)劃造成的未知影響.調(diào)整航班計(jì)劃后的延誤航班數(shù)與調(diào)整前的對(duì)比，如圖4所示.

圖3 數(shù)據(jù)處理過(guò)程

圖4 調(diào)整航班計(jì)劃前后的延誤航班數(shù)的柱狀圖

從圖4中可以明顯看出幾乎所有區(qū)間的延誤航班數(shù)均有所減少，這說(shuō)明我們調(diào)整航班計(jì)劃的措施能夠有效減少航班延誤問(wèn)題.

4 結(jié)語(yǔ)

中國(guó)民航業(yè)的快速發(fā)展，為旅客出行帶來(lái)便利的同時(shí)，也給航班延誤的管理帶來(lái)了極大挑戰(zhàn).本文首先對(duì)東航的實(shí)際數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)、處理和分析；其次，通過(guò)對(duì)影響航班延誤因素的分析，提出了調(diào)整航班計(jì)劃的措施；最后利用實(shí)際數(shù)據(jù)驗(yàn)證了方法的可行性，證明調(diào)整航班計(jì)劃的措施能有效降低航班延誤率.

本文將當(dāng)前航班計(jì)劃起飛時(shí)刻推遲，必然導(dǎo)致下一個(gè)航班的過(guò)站松弛時(shí)間不足，若當(dāng)前航班不能按時(shí)到達(dá)勢(shì)必會(huì)對(duì)下一航班的準(zhǔn)點(diǎn)起飛造成影響.因此，只有解出當(dāng)前航班計(jì)劃起飛時(shí)刻的推遲時(shí)間的最優(yōu)解，才能夠最大化地降低航班延誤率.

[1] DUNBAR M,FROYLAND G，WU C L.Robust airline schedule planning：Minimizing pr地opagated delay in an integrated routing and crewing framework[J].Transportation Science,2012，46(2)：204-216.

[2] SANTOS G，ROBIN M.Determinants of delays at European airports[J].Transportation Research Part B ，2010，44：392-403.

[3] ABDEL-ATY M，LEE C，BAI Y Q，et al.Detecting periodic patterns of arrival delay[J].Journal of Air Transport Management，2007，13：355-361.

[4] STERNBERG A,CARVALHO D，MURTA L，et al.An analysis of Brazilian flight delays based on frequent patterns[J].Transportation Research Part E，2016,95：282-298.

[5] KAFLE N，ZOU B.Modeling flight delay propagation：A new analytical-econometric approach[J].Transportation Research Part B：Methodological，2016,93：520-542.

[6] SCHAEFER L,MILLNER D.Flight delay propagation analysis with the detailed policy assessment tool[C]∥Systems，Man，and Cybernetics，2001 IEEE International Conference on.IEEE，2001，2：1299-1303.

[7] JANIC M.Management of airside delays[J].Journal of Airport Management，2009，3(2)：176-195.

[8] ALOULOU M A，HAOUARI M，ZEGHAL MANSOUR F.Robust aircraft routing and flight retiming[J].Electronic Notes in Discrete Mathematics，2010，36：367-374.

[9] LAZER D，KENNEDY R，KING G,et al.The parable of Google Flu：traps in big data analysis[J].Science,2014,343：1203-1205.

[10] EINAV L,LEVIN J.Economics in the age of big data[J].Science，2014,346：512-520.

[11] JOPPA L N.Filling in biodiversity threat gaps[J].Science,2016,352：416-418.

[12] CLAUSET A，LARREMORE D B，SINATRA R.Data-Driven predictions in the science of science[J].Science,2017, 355：477-480.

[13] AHMADBEYGI S，COHN A，LAPP M.Decreasing airline delay propagation by re-allocating scheduled slack[J].IIE Transactions,2010,42(7)：478-489.

[14] WANG P T R，SCHAEFER L A,WOJCIK L A.Flight connections and their impacts on delay propagation[J].Digital Avionics Systems Conference，DASC’03.The 22nd.IEEE，2003,1：4-5.

[15] BEATTY R，HSU R，BERRY L，et al.Preliminary evaluation of flight delay propagation through an airline schedule[J].Air Traffic Control Quarterly，1999，7(4)：259-270.

[16] CAMPANELLI B，F(xiàn)LEURQUIN P，ARRANZ A，et al.Comparing the modeling of delay propagation in the US and European air traffic networks[M].Journal of Air Transport Management，2016.

[17] FLEURQUIN P，RAMASCO J J，EGUILUZ V M.Systemic delay propagation in the US airport network[R].Scientific reports，2013：3.

[18] BAUMGARTEN P，MALINA R，LANGE A.The impact of hubbing concentration on flight delays within airline networks：An empirical analysis of the US domestic market[J].Transportation Research Part E：Logistics and Transportation Review，2014，66：103-114.

[19] 孫宏，張翔，徐杰.航空公司機(jī)隊(duì)集中調(diào)度理論研究[D].南京：南京航空航天大學(xué)，2008.

[20] 張海峰，胡明華.航空公司短期航班計(jì)劃編排模型及算法[J].南京航空航天大學(xué)學(xué)報(bào)，2015，47(4)：553-558.

[21] 黃子君，許俐.基于 ServiceModel 的國(guó)內(nèi)航班計(jì)劃運(yùn)行仿真[J].交通運(yùn)輸系統(tǒng)工程與信息，2009，10(2)：76-82.